横展開で費用が下がらない理由
AIの投資を回収するには、1ラインの成功を他のライン・工場に広げることが重要です。ところが、2ライン目以降でも1ライン目と同じくらいの費用がかかり、展開が止まるケースが多くあります。McKinseyの2018年調査（7市場・700社超）では、デジタル製造ソリューションを全社展開できた企業は約30%（業界別に20〜34%）でした。
費用が下がらない原因は、1ライン目のAIが、そのラインに固有のデータの名前、設備の条件、ラベル、担当者に強く依存して作られていることです。横展開を前提にするなら、1ライン目の段階で、他のラインでも使える形に作る必要があります。
4つの壁と対策
| 壁 | 何が起きるか | 対策 |
|---|---|---|
| 1. データの命名と構造の違い | ラインや工場ごとにタグ名・コード体系が違い、データの取り出しを毎回作り直す | 命名規則と資産階層を全社で決め、1ライン目から適用する |
| 2. 設備・条件の差 | 設備のメーカー・年式・撮像条件が違い、同じモデルが使えない | 撮像・センシングの条件を標準化し、差分を吸収する設計にする |
| 3. ラベル作業の重さ | ラインごとに正解ラベルを付け直す必要がある | 判定基準書と限度見本を共通化し、ラベルを再利用できるようにする |
| 4. 現場の体制 | 1ライン目は推進チームが張り付いたが、他のラインには担当がいない | 展開先ごとに運用オーナーを置き、運用手順を標準化する |
壁1：データの命名と構造の違い
設備のタグ名が「D100」「温度1」のように設備ごと・担当者ごとにばらばらだと、AIに渡すデータの取り出しを、ラインのたびに作り直すことになります。対策は、タグの命名規則と、工場の資産階層（企業／工場／エリア／ライン／セル）を決め、全社で共通にすることです。ISA-95という国際規格の階層をなぞる方法がよく使われます。1ライン目でこれを決めておけば、2ライン目以降は同じ規則でデータを取り出せます（詳しくは設備タグの命名規則）。
壁2：設備・条件の差
同じ工程でも、ラインによって設備のメーカーや年式、カメラの位置や照明が違います。外観検査AIの精度の大部分は撮像系で決まるため、撮像条件が違えば同じモデルは使えません。対策は、カメラ・照明・治具の仕様を標準化し、展開先でも同じ条件で撮像できるようにすることです。設備データでは、OPC UAのコンパニオン仕様（工作機械、射出成形機、ロボットなど機器の種類ごとの情報モデル）を使うと、メーカーの違う設備を同じ構造でデータ化しやすくなります。
壁3：ラベル作業の重さ
外観検査の不良ラベルや設備の停止理由は、ラインごとに付け直すと大きな工数になります。しかも工場ごとに「何を不良とするか」の基準が違うと、ラベルを共有できません。対策は、判定基準書と限度見本を全社で共通化し、不良コード・停止理由コードの体系を揃えることです。
壁4：現場の体制
1ライン目は推進チームやベンダーが張り付いて成果を出しても、展開先のラインには同じ体制がありません。対策は、展開先ごとに運用オーナー（製造部門の責任者）を置き、監視・再学習・閾値変更の手順を標準化した運用手順書を作ることです。
最初のPoCに仕込む「標準化」
1ライン目のPoCでは、つい「そのラインで精度を出すこと」だけに集中してしまいます。横展開を前提にするなら、次の4点を1ライン目から決めておきます。
- データの命名規則と資産階層：1ライン目のタグとデータに、全社で使う命名を最初から適用する
- 撮像・センシングの標準仕様：カメラ・照明・センサの型番と取り付け条件を文書化する
- 判定基準と不良コード：限度見本、判定基準書、不良コードを、他のラインでも使える粒度で決める
- 運用手順書：監視・再学習・閾値変更の手順を、推進チームがいなくても回る形で書く
これらは1ライン目の費用を少し増やしますが、2ライン目以降の費用を大きく下げます。
海外の先進工場はどう展開しているか
WEFのGlobal Lighthouse Network（先進工場の認定制度）は、2026年7月時点で238拠点に達しています（McKinsey）。2025年9月の選出拠点の平均では、労働生産性が40%向上、リードタイムが48%短縮、不良が41%減少と報告されています（WEF、2025年9月）。ただしこれらは選ばれた先進工場の自己申告ベースの成果で、AI単独の効果ではなく、デジタル化と業務改革全体の成果です。
ライトハウスに共通するのは、個別のAIを1つずつ作るのではなく、データ基盤をユースケース共通の資産として整え、その上に多数のユースケースを載せていることです。たとえばMettler-Toledoの常州拠点は49件のユースケースを報告しています（WEF、2025年9月）。データ基盤の作り方の共通点はライトハウス工場はデータ基盤をどう作ったかで扱います。
よくある質問
横展開はどのくらいの期間で進められますか？
1ライン目の作り方で大きく変わります。命名規則や判定基準を標準化していれば、2ライン目以降は撮像やセンサの設置と、ライン固有の調整だけで済み、1ライン目より大幅に短くなります。標準化していなければ、1ライン目とほぼ同じ期間がかかります。
工場ごとにシステムが違う場合でも、横展開できますか？
できますが、データの取り出し部分を工場ごとに作る必要があります。AIのモデルや判定基準を共通にし、データの入り口（各工場のMESや設備との接続）だけを工場ごとに作る設計にすると、作り直す範囲を小さくできます。
海外工場への展開で注意することはありますか？
撮像やセンサの標準化に加えて、データの持ち出しに関する規制を確認します。中国の工場では、データの越境移転に関する規定があり、製造データを日本に送れるかを事前に確認する必要があります。現地の運用オーナーと、現地語の運用手順書も用意します。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
